tensorflow

1，可视化

调用TensorFlow下的summary下的函数，如tf.summary.scalar 标注标量信息，

tf.summary.scalar('loss', loss)

# 获取一个日志输出对象
writer = tf.summary.FileWriter(logdir='./models/14/graph', graph=sess.graph)
# 获取所有的summary输出操作
summary = tf.summary.merge_all()
writer.close()

 

2，持久化

创建一个持久化对象，持久化是需要传入session

with tf.Graph().as_default():
        v1 = tf.Variable(initial_value=5.0, dtype=tf.float32, name='v1')
        # a. 创建一个持久化对象
        saver = tf.train.Saver()

        with tf.Session() as sess:
            sess.run(tf.global_variables_initializer())
          
            # b. 触发持久化的操作
            save_path = './models/13/model'
            dirpath = os.path.dirname(save_path)
            if not os.path.exists(dirpath):
                os.makedirs(dirpath)
            saver.save(sess, save_path=save_path)

模型恢复

如果本地可持久化文件为空，需要初始化

sess.run(tf.global_variables_initializer())

with tf.Graph().as_default():
     with tf.Session() as sess:
         saver = tf.train.import_meta_graph('./models/13/model.meta')
         saver.restore(sess, tf.train.latest_checkpoint('./models/13/'))
         #也可以直接指定对应的ckpt
            # save_path = './models/16/model/model.ckpt-99'
            # saver.restore(sess, save_path)

         graph = tf.get_default_graph()
         w1 = graph.get_tensor_by_name("v1:0")
         print(sess.run(w1))

#ckpt 参考链接 https://blog.csdn.net/loveliuzz/article/details/81661875

saver = tf.train.import_meta_graph(meta_graph_or_file="{}.meta".format(ckpt.model_checkpoint_path))
# a. 恢复模型
saver.restore(sess, ckpt.model_checkpoint_path)
input_x = tf.get_default_graph().get_tensor_by_name('network/x:0')
input_y = tf.get_default_graph().get_tensor_by_name('network/y:0')

3，常见的损失函数

一般用于多标签分类情况的损失函数(一个样本可能属于多个类别)。

sigmoid_cross_entropy_with_logits

一般用于单标签分类情况的损失函数(一个样本仅属于一个类别)。

oftmax_cross_entropy_with_logits

4，基本优化算法

基本优化算法

    梯度优化算法

    梯度下降法（BGD,SGD,MBGD）

    Momentum

自适应参数优化算法

adagrad，rmsprop，adadelta，adam